參考https://blog.csdn.net/zrc199021/article/details/53728499
Tfidf的數學原理 是一種統計方面的知識。
Tf (term frequency)詞頻：指的是一個詞語在該文件中出現的頻率。頻率越高，並不能代表該詞語比較重要，如很多無用的詞，頻率比較高，如含“的”。
逆向文檔頻率（inverse document frequency, idf）是一個詞語普遍重要性的度量。某一特定詞的idf，可以由總文件數目除以包含該詞語之文件的數目，再將取以10爲底的對數得到。含義是：如果包含該詞的文檔越少，idf就會越大，說明該詞條具有很好的類別區分能力。
Tfidfi,j=tfi,j*idfi
I 表示單詞。j表示文件。
Tfidf思想：是一種加權方法。某一特定文件內的高詞語頻率，以及該詞語在整個文件集合中的低文件頻率，可以產生出高權重的TFidf。因此，tfidf傾向於過濾掉常見的詞語，保留重要的詞語。
